【技术实现步骤摘要】
本专利技术属于图像融合，特别是涉及一种基于频域分解网络的多光谱遥感图像全色锐化方法。
技术介绍
1、随着遥感图像在科学领域的广泛应用，对于高分辨率多光谱图像的需求日益增长。然而，由于卫星成像系统固有的物理限制，目前只能获取高分辨率全色图像和低分辨率多光谱图像。为了满足实际应用的需求，采用了全色锐化技术，将这两类图像进行融合，从而生成高分辨率多光谱图像。
2、现有的全色锐化方法主要分为传统方法和基于深度学习的方法两大类。传统方法可以细分为三个大类，具体为组件替换方法，多分辨率分析方法和变分优化方法。近年来，基于深度学习的方法发展迅速。论文giuseppe, masi , et al. "pansharpening byconvolutional neural networks." remote sensing 8.7(2016):594.记载的基于卷积神经网络的全色锐化方法，通过仅使用三个卷积层实现了高效的全色锐化效果。随后，大量深度神经网络结构和融合策略相继被提出，用于进一步提升全色锐化的性能。
3、尽管基于深度...
【技术保护点】
1.一种基于频域分解网络的多光谱遥感图像全色锐化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于频域分解网络的多光谱遥感图像全色锐化方法，其特征在于，利用带域标签的卫星数据中真值图像的域标签和预测的域标签计算交叉熵损失函数对步骤1的所述判别器进行训练：
3.根据权利要求2所述的一种基于频域分解网络的多光谱遥感图像全色锐化方法，其特征在于，所述步骤2具体为：
4.根据权利要求3所述的一种基于频域分解网络的多光谱遥感图像全色锐化方法，其特征在于，所述步骤2中初步的特征为：
5.根据权利要求4所述的一种基于频...
【技术特征摘要】
1.一种基于频域分解网络的多光谱遥感图像全色锐化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于频域分解网络的多光谱遥感图像全色锐化方法，其特征在于，利用带域标签的卫星数据中真值图像的域标签和预测的域标签计算交叉熵损失函数对步骤1的所述判别器进行训练：
3.根据权利要求2所述的一种基于频域分解网络的多光谱遥感图像全色锐化方法，其特征在于，所述步骤2具体为：
4.根据权利要求3所述的一种基于频域分解网络的多光谱遥感图像全色锐化方法，其特征在于，所述步骤2中初步的特征为：
5.根据权利要求4所述的一种基于频域分解网络的多光谱遥感图像全色锐化方法，其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。